Complementando minha resposta. dados <- read.table("dados.csv", header = TRUE, sep = ";", dec = ",") plot(dados$y ~ dados$x) # Veja que o A33 nao tem variabilidade vou remover dados <- dados[which(dados$x != "A33"),] dados$x <- droplevels(dados$x) tapply(dados$y, dados$x, sd) # Aparentemente o A21, A69 e A95 tem variancias diferentes # Modelo de regressao fit1 <- lm(y ~ x, data = dados) plot(residuals(fit1)~ fitted(fit1)) # Parece heterocedastico # Modelo de regressao media e variancia # A ligação pra média é a identidade e pra variance é o log. require(mcglm) dados$id <- 1 fit2 <- mcglm(c(y ~ x), list(mc_dglm(~ x, id = "id", data = dados)), covariance = "expm", data = dados) summary(fit2) # Agora o modelo é heterocedastico e não precisa mais preocupar com isso. Em 4 de novembro de 2016 18:06, Luiz Leal via R-br <r-br@listas.c3sl.ufpr.br

escreveu:

Prezados Nos casos em que a transformação box-cox não é capaz remover a heterocedasticidade há alguma outra solução?

Eu utilizei a sugestão do Leg/ UFPR nos meus dados, mas não funcionou. (exemplo: <http://www.leg.ufpr.br/Rpira/Rpira/node17.html>)

Segue em anexo o script e os dados.

Desde já agradeço

Luiz

_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.

-- Wagner Hugo Bonat ---------------------------------------------------------------------------------------------- Department of Mathematics and Computer Science (IMADA) University of Southern Denmark (SDU) and Laboratório de Estatística e Geoinformação (LEG) Universidade Federal do Paraná (UFPR)